探索大上下文用于脑动脉瘤分割
图像与视频处理
2021-01-01 v1 计算机视觉与模式识别
摘要
从三维 CT 中自动分割动脉瘤对于脑动脉瘤疾病的诊断、监测和治疗规划十分重要。本短文简要介绍了 MICCAI 2020 CADA 挑战赛中动脉瘤分割方法的主要技术细节。主要贡献在于我们配置了具有大块尺寸（patch size）的 3D U-Net，从而可以获取大上下文。我们的方法在 MICCAI 2020 CADA 测试数据集上以平均 Jaccard 0.7593 排名第二。我们的代码和训练好的模型公开于 \url{https://github.com/JunMa11/CADA2020}。
引用
@article{arxiv.2012.15136,
title = {Exploring Large Context for Cerebral Aneurysm Segmentation},
author = {Jun Ma and Ziwei Nie},
journal= {arXiv preprint arXiv:2012.15136},
year = {2021}
}
备注
2nd place in MICCAI 2020 CADA challenge